서울대학교 데이터사이언스 대학원 Career Workshop (ExploreCSR)에서 발표한 자료입니다.
제가 머신러닝 연구자로써 진로를 선택하기까지의 인생 여정을 다루고 있습니다. 구두로 설명된 정보들이 빠져있지만, 그래도 큰 흐름은 파악하실 수 있을 것이라 생각됩니다.
혹시 더 자세한 이야기를 듣고 싶거나 개인적인 상담이 필요하면 따로 연락주세요.
How I ended up with three degrees in three departments
1. Lessons from
Three Degrees in
Three Departments
Sangwoong Yoon 윤 상 웅
Korea Institute for Advanced Study
2023.09.01
ExploreCSR
How I ended up
2. • 서울대학교 화학생물공학부 학사
• 서울대학교 뇌과학전공 석사
• 서울대학교 기계공학부 박사
관악산에 들어온지 15년,,,
3. CurriculumVitae “Course of Life”
Academia
• 경기과학고등학교
• 서울대학교 화학생물공학부 학사
• 서울대학교 뇌과학전공 석사
• 서울대학교 기계공학부 박사
• 고등과학원 AI Research Fellow (현)
Industry
• (주)해줌 머신러닝팀 팀장
• (주)세이지리서치 연구원
• (주)카카오브레인 리서치 인턴
• Amazon 리서치 인턴
4. 진로 상담의 두 가지 질문
• 질문 1: 무엇을 하고 싶은지 모르겠어요
• 질문 2: 내가 하고 싶은 것을 어떻게 달성할지 모르겠어요
5. CurriculumVitae “Course of Life”
Academia
• 경기과학고등학교
• 서울대학교 화학생물공학부 학사
• 서울대학교 뇌과학전공 석사
• 서울대학교 기계공학부 박사
• 고등과학원 AI Research Fellow (현)
Industry
• (주)해줌 머신러닝팀 팀장
• (주)세이지리서치 연구원
• (주)카카오브레인 리서치 인턴
• Amazon 리서치 인턴
질문 1: 무엇을 할 것인가
질문 2: 어떻게 할 것인가
6. 질문1: 무엇을 하고 싶은지 모르겠어요
• 결국 왜 사느냐 하는 문제
• 나는 누구인가
• 옳은 답이 아니라 나의 답이 중요
• 전체 인생이 이 질문에 대한 답
“참으로 진지한 철학적 문제는 오직 하나뿐이다. 그것은 자살이다.”
“삶의 의미가 무엇이냐 하는 것이야말로 모든 물음 중에서도 가장 절박한
물음이라고 할 수 있겠다”
- 알베르 카뮈, <시지프 신화>
7. 어린 시절을 돌이켜보자
ZIMA BLUE
• Love Death Robots (넷플릭스)
• 지마라는 로봇 예술가 이야기
• 이 예술가의 시그니처 색상인 지마 블루
→ 어린(?) 시절 자신의 임무였던 수영장 청소
→ 지마 블루는 이 수영장의 타일 색깔
8. 어린 시절
• 맞벌이 부모님 + 외할머니
• 컴퓨터와 컴퓨터 게임을 좋아함
• 컴퓨터를 무조건 금지시키기 보다는 컴퓨
터 게임 자체를 깊게 탐구해보라고 독려
• 물론 할머니는 싫어하심
• 게임 개발자가 장래 희망
9. 어린 시절
• 게임에 대한 책을 읽어봐라
→ 게임잡지, 판타지 소설
• 게임을 만들려면 프로그래밍을 해야 한단다
→ 프로그래밍을 하려면 수학을 잘 해야한다
→ 그러니까 수학공부를 해라
• 외국 게임을 하려면 영어를 잘 해야 한단다
→ 그러니까 영어공부를 해라
• 초 6 때 첫 프로그래밍 (C 언어 독학)
10. 중학교~: 컴퓨터와의 이별
• 수학경시대회 도전 → 실패
• 수학을 좋아는 하는데 잘은 못 함
• 엄마: 그래도 애를 과학고를 보내고 싶은데.. 다른 경시대회는 없나?
• 당시에는 수상경력이 필수
• 화학경시대회 도전 (중3)
• 물리: 천재들만 하는 거래
• 생물: 외우는 게 많대
• 의외로 적성에 잘 맞았음.
• 3개월 바짝 공부해서 한국화학올림피아드 중등부 입상
11. 고등학교
“나는 박사를 할 꺼야”라는 결심을 함(;)
변명)
• 과학이 너무 재미있었음
• 이 세상은 경이로운 것들로 가득함
• 이것을 하나씩 이해해나간다는 것이 황홀함
• 그런데 고등학교 공부에서는 시험 범위 이상
을 공부하는 것이 사실상 손해임
12. ~학부
• 그렇게 얼래벌래 대학교까지 화학(의 인접분야)을 전공하게 됨
• 학부 공부도 적성에 그럭저럭 잘 맞음
• 당연히 같은 과 대학원을 진학할 거라고 4학년 때까지 철썩같이 믿음
• 너무 믿었던 나머지 진로에 대한 탐색을 미루고
“학부생 때만 할 수 있는 것들”에 집중함
• 교환학생 (홍콩과기대)
• 휴학하고 유럽여행
• 동아리 (아마추어 오케스트라)
• 책 많이 읽고 다양한 교양 공부
• 흥청망청
13. 화학생물공학부 대학원 인턴 (2012)
• 막상 대학원을 진학하려고 컨택해보니, 각 연구실에서 하는 연구가
모두 재미 없어 보였음
• 그나마 최선을 다해서 찾은 랩에서 인턴 시작했으나 잘 맞지 않음
• 굉장히 노동집약적 환경 + 공부 및 생각을 할 여유를 주지 않는 분위기
• 뭔가 내가 중요한 문제를 다루고 있다는 느낌이 들지 않았음
• 못 하겠습니다 말하고 다른 진로를 알아보기로 함
14. 처음부터 생각해보자
• 솔직히 내가 화학을 진짜 엄청 하고 싶어서 화학생물공학부에 온 것이 아니었다
• 내가 여기에서 연구하는 내용을 책으로 쓸 수 있을까?
• 교양과학책을 즐겨 읽었고 언젠가 그런 책을 쓰고 싶다는 꿈이 있었음.
• 과연 화공분야에서 책으로 쓸만한 흥미로운 일을 할 수 있을까 하는 생각이 당시에 있었음.
지금 생각하면 못 할 이유가
없다고 생각이 들지만..
15. 생명과학부 석사 진학 (2012~2013)
• 생각해보면 나는 컴퓨터를 하고 싶었던 것 같다.
• 컴퓨터를 하면서도 내가 배경지식이 도움이 되는 분야?
• 새롭게 시작하는 분야를 하고 싶다.
• 생물정보학(bioinformatics)의 존재를 알게 됨.
• 유전체(genome) 데이터를 컴퓨터를 이용해서 분석
• 머신러닝의 존재도 이때 처음 알게 됨
• 잘 하는 교수님이 계시다고 해서 인턴 후 생명과학부 진학
• 생물학을 다 까먹었다+제대로 배운 적 없다는 사실을 알게 되었지만, 전
부 새로 공부하여 입학 시험도 우수하게 통과
16. 및 자퇴 (2013)
• 굉장히 많은 것을 배웠음
• 프로그래밍, 통계, 논문 읽는 법, 발표하는 법 등
• 교수님과 학생들 사이가 너무 좋지 않았음
• 실질적으로 연구실이 폭파
• 같이 다니던 박사 형들은 모두 석사로 전환
• 나는 아직 온지 얼마 되지 않았으니 자퇴
• “나는 아직 시간이 많으니까, 군대 갔다 왔다고 생각하면 된다”
17. 이제 어떻게 할 것인가?
• 이제는 그래도 나름 괜찮은 전공 분야를 만났다고 생각했는데..
• 생물학 + 컴퓨터 조합은 좋았다고 생각함
• 이 전 연구실의 생물학:컴퓨터 비율은 70:30
• 옮기게 되면 이 비율을 바꿀 수 밖에 없다.
18. 초코우유 이론
“초코우유는 우유이지 초콜렛이 아니다”
• 50:50 융합은 없다.
• 두 가지가 융합하면 반드시 주와 부가 있다.
• 생물과 컴퓨터를 융합하고 싶더라도 결국 생물학자가 될지 컴퓨터과학
자가 될지 선택해야 한다.
• 생물학자가 되는 길에서 나왔으니 컴퓨터과학자가 되는 길을 가보자.
19. 계산뇌과학 Computational Neuroscience
• 컴퓨터를 이용해서 뇌를 이해하고자 하는 분야
• Q. 세상에 남아있는 가장 큰 미스터리가 무엇인가?
• A. 어떻게 생각이 작동하는가?
• 뇌과학은 교양과학책 중 인기 있는 분류 중 하나
20. 뇌과학 as a deferred life plan
• 생명과학부에 있으면서 뇌를 하고 싶다는 생각이
있었지만, 당장은 유전체를 연구하는 랩이었던 것.
• 언젠가 나중에 뇌도 연구할 수 있지 않을까? 라는
막연한 생각만 함.
• 아마 유전체 연구실에 계속 있었으면 평생 유전체
연구만 했을 것이다. 기왕 때려 친 김에 하고 싶은
일을 하러 가자.
21. 뇌과학전공 입학 (2014)
• 컴퓨터공학부 교수님이시면서 뇌과학 협동과정에 겸임으로 계시는
장병탁 교수님을 알게 되어서 컨택
• 6개월 인턴 후 입학
22. 뭐야 어떻게 이렇게 다른 전공에 쉽게 입학함?
• 각 랩이 정원 여유가 있었고, 경쟁이 심한 상황이 아니었음
• 교수님께 들이밀 최소한의 track record가 있는 상황
• 과학고 조졸
• 자대생 (+당시 인기 많던 화생공 출신)
• 나쁘지 않은 학점
• 나쁘지 않은 영어점수
• 만약 유학을 갔더라도 비슷하게 할 수 있었을까?
• 훨씬 힘들었을 것
• 두 가지를 한번에 바꾸는 것은 어렵다. (나라/학교 + 전공)
• 학교는 그대로 둔 채로 전공만 바꾸는 것은 상대적으로 할 만 했다.
23. 머신러닝을 연구하기로 결정 (2014)
• 계산뇌과학을 공부하다가 머신러닝과 굉장히 깊은 관계가 있다는 것을
알게 됨
• 머신러닝의 선구자들은 계산뇌과학자이기도 함
• 계산뇌과학 모델은 입증하기가 어려움 (실제 뇌에서 이렇게 동작한다)
• 머신러닝은 결과물을 바로 확인할 수 있고, 더 실용적인 임팩트가 큼
24. 그 뒤의 일: 머신러닝 연구자로서의 삶
• “어떻게 하면 머신러닝 연구자로서 더 좋은 연구를 할 수 있는가?”를
찾아 나가는 과정
• 산업체에서 전문연구요원 후 유학가려 하였으나,
한국에서 박사하기로 함
• 전문연 동안 산업체 경험을 통해 현실 세계의 문제를 해결하는 경험은
의미 있었다고 생각함
25. 그 뒤의 일:
• Qualcomm Innovation Fellowship Korea 2021
• Youlchon AI Starts Scholarship 2021
• Best Poster Award @ Machine Learning Summer School 2021 Taipei
• Outstanding doctoral thesis award
박사학위 논문
Energy-Based Probabilistic Models for
Epistemic Uncertainty Quantification
27. “나는 비전공자인데…”
• 컴퓨터공학부 전공자가 컴퓨터 공부한 시간 = 3년
• 석사 입학 후 지금까지 내가 컴퓨터 공부한 시간 = 10년
• 이제는 학부 졸업생보다 내가 잘 하는 게 정상임 (;;)
의도적 노력 Deliberate Practice
• Pycon KR 등 참석하면서 개발자들과 친해지기 위해 노력
• Pandas 등 오픈소스 프로젝트에 PR하면서 잘 하는 개발자들이 일하는
방식을 배우기 위해 노력
• 개발, 컴퓨터 관련 서적을 통한 지속적 학습
28. 운명에 아니오라고 대답하기
• 결국 강물을 거스르려고 했기 때문
• +약간의 불운
• 많은 비용, 고통, 고뇌를 수반
• Q. 그만한 가치가 있었습니까?
• A. 그것 밖에 길이 없었습니다.
“Es muss sein!
(반드시 그래야만 한다!)”
29. 운명에 아니오라고 대답하기
• 결국 강물을 거스르려고 했기 때문
• +약간의 불운
• 많은 비용, 고통, 고뇌를 수반
• Q. 그만한 가치가 있었습니까?
• A. 그것 밖에 길이 없었습니다.
• Q. 다른 사람에게 권하겠습니까?
• A. 할 수만 있다면 편안하고 행복하게 사세요.